Papers in 100 Lines of Code

เอกสารในรหัส 100 บรรทัด

การใช้งานเอกสารในรหัส 100 บรรทัด

เอกสารที่ดำเนินการ

[Maxout Networks]

• Maxout Networks [arxiv]
• Ian J. Goodfellow, David Warde-Farley, Mehdi Mirza, Aaron Courville, Yoshua Bengio
• 2013-02-18

[เครือข่ายในเครือข่าย]

• เครือข่ายในเครือข่าย [arxiv]
• Min Lin, Qiang Chen, Shuicheng Yan
• 2013-12-13

[เล่นอาตาริด้วยการเรียนรู้การเสริมแรงอย่างลึกซึ้ง]

• เล่นอาตาริด้วยการเรียนรู้การเสริมแรงอย่างลึกซึ้ง [arxiv]
• Volodymyr MNIH, Koray Kavukcuoglu, David Silver, Alex Graves, Ioannis Antonoglou, Daan Wierstra, Martin Riedmiller
• 2013-12-19

[การเข้ารหัสอัตโนมัติ Bayes]

• การเข้ารหัสอัตโนมัติ Bayes [arxiv]
• Diederik P Kingma, Max Welling
• 2013-12-20

[เครือข่ายศัตรูที่เกิดขึ้นจากการกำเนิด]

• เครือข่ายฝ่ายตรงข้ามกำเนิด [arxiv]
• Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville, Yoshua Bengio
• 2014-06-10

[อวนที่มีเงื่อนไข

• อวนที่มีเงื่อนไข
• Mehdi Mirza, Simon Osindero
• 2014-11-06

[อดัม: วิธีการเพิ่มประสิทธิภาพแบบสุ่ม]

• อดัม: วิธีการเพิ่มประสิทธิภาพแบบสุ่ม [arxiv]
• Diederik P. Kingma, Jimmy Ba
• 2014-12-22

[NICE: การประมาณส่วนประกอบอิสระที่ไม่ใช่เชิงเส้น]

• ดี: การประมาณส่วนประกอบอิสระที่ไม่ใช่เชิงเส้น [arxiv]
• Laurent Dinh, David Krueger, Yoshua Bengio
• 2014-10-30

[การควบคุมระดับมนุษย์ผ่านการเรียนรู้การเสริมแรงอย่างลึกซึ้ง]

• การควบคุมระดับมนุษย์ผ่านการเรียนรู้การเสริมแรงอย่างลึกซึ้ง [ธรรมชาติ]
• Volodymyr MNIH, Koray Kavukcuoglu, David Silver, Andrei A. Rusu, Joel Veness, Marc G. Bellemare, Alex Graves, Martin Riedmiller, Andreas K. Fidjeland, Georg Ostrovski Wierstra, Shane Legg & Demis Hassabis
• 2015-02-25

[การเรียนรู้ที่ไม่ได้รับการดูแลอย่างลึก

• การเรียนรู้ที่ไม่ได้รับการดูแลอย่างลึกล้ำโดยใช้อุณหพลศาสตร์ที่ไม่มี Quilibrium
• Jascha Sohl-Dickstein, Eric A. Weiss, Niru Maheswaranathan, Surya Ganguli
• 2015-03-12

[การอนุมานแบบแปรปรวนกับกระแสการทำให้เป็นปกติ]

• การอนุมานการแปรปรวนกับกระแสการทำให้เป็นปกติ [arxiv]
• Danilo Jimenez Rezende, Shakir Mohamed
• 2015-05-21

[การเรียนรู้การเสริมแรงอย่างลึกล้ำด้วยการเรียนรู้แบบสองครั้ง]

• การเรียนรู้การเสริมแรงอย่างลึกล้ำด้วยการเรียนรู้สองครั้ง [arxiv]
• Hado van Hasselt, Arthur Guez, David Silver
• 2015-09-22

[การเรียนรู้การเป็นตัวแทนที่ไม่ได้รับการดูแลด้วยเครือข่ายฝ่ายตรงข้ามที่เกิดขึ้นอย่างลึกซึ้ง]

• เครือข่ายฝ่ายตรงข้ามที่เกิดจากการกำเนิด [arxiv]
• Alec Radford, Luke Metz, Soumith Chintala
• 2015-11-19

[การเรียนรู้เครือข่ายที่รวดเร็วและแม่นยำโดยหน่วยเชิงเส้นแบบเอ็กซ์โปเนนเชียล (ELUS)]

• การเรียนรู้เครือข่ายลึกที่รวดเร็วและแม่นยำโดยหน่วยเชิงเส้นแบบเอ็กซ์โปเนนเชียล (ELUS) [ARXIV]
• Djork-arné Clevert, Thomas Unterthiner, Sepp Hochreiter
• 2015-11-23

[การอนุมานที่เรียนรู้อย่างต่อเนื่อง]

• การอนุมานที่เรียนรู้อย่างต่อเนื่อง [arxiv]
• Vincent Dumoulin, Ishmael Belghazi, Ben Poole, Olivier Mastropietro, Alex Lamb, Martin Arjovsky, Aaron Courville
• 2016-06-02

[เทคนิคการปรับปรุงสำหรับการฝึกอบรม Gans]

• เทคนิคที่ได้รับการปรับปรุงสำหรับการฝึกอบรม Gans [arxiv]
• Tim Salimans, Ian Goodfellow, Wojciech Zaremba, Vicki Cheung, Alec Radford, Xi Chen
• 2016-06-10

[Gaussian ข้อผิดพลาดหน่วยเชิงเส้น (Gelus)]

• Gaussian ข้อผิดพลาดหน่วยเชิงเส้น (Gelus) [arxiv]
• Dan Hendrycks, Kevin Gimpel
• 2016-06-27

[น้อยที่สุดกำลังสองของเครือข่ายฝ่ายตรงข้าม]

• กำลังสองน้อยที่สุดในการสร้างเครือข่ายฝ่ายตรงข้าม [arxiv]
• Xudong Mao, Qing Li, Haoran Xie, Raymond Yk Lau, Zhen Wang, Stephen Paul Smolley
• 2016-11-13

[การแปลภาพเป็นภาพด้วยเครือข่ายฝ่ายตรงข้ามตามเงื่อนไข]

• การแปลภาพเป็นภาพด้วยเครือข่ายฝ่ายตรงข้ามตามเงื่อนไข [arxiv]
• Phillip Isola, Jun-Yan Zhu, Tinghui Zhou, Alexei A. Efros
• 2016-11-21

[Wasserstein Gan]

• Wasserstein Gan [arxiv]
• Martin Arjovsky, Soumith Chintala, Léon Bottou
• 2017-01-26

[Model-Agnostic Meta-Learning สำหรับการปรับเครือข่ายลึกอย่างรวดเร็ว]

• meta-agnostic meta-learning สำหรับการปรับเครือข่ายลึกอย่างรวดเร็ว [arxiv]
• Chelsea Finn, Pieter Abbeel, Sergey Levine
• 2017-03-09

[การแปลภาพเป็นภาพที่ไม่ได้จับคู่โดยใช้เครือข่ายฝ่ายตรงข้ามที่สอดคล้องกันวัฏจักร]

• การแปลภาพเป็นภาพที่ไม่มีคู่โดยใช้เครือข่ายฝ่ายตรงข้ามที่สอดคล้องกัน
• Jun-yan zhu, Taesung Park, Phillip Isola, Alexei A. Efros
• 2017-03-30

[ปรับปรุงการฝึกอบรมของ Wasserstein Gans]

• ปรับปรุงการฝึกอบรมของ Wasserstein Gans [arxiv]
• Ishaan Gulrajani, Faruk Ahmed, Martin Arjovsky, Vincent Dumoulin, Aaron Courville
• 2017-03-31

[การเรียนรู้คุณสมบัติของฝ่ายตรงข้าม]

• การเรียนรู้คุณสมบัติของฝ่ายตรงข้าม [arxiv]
• Jeff Donahue, Philipp Krähenbühl, Trevor Darrell
• 2017-04-03

[เครือข่ายประสาทที่ทำให้ตนเองเป็นปกติ]

• เครือข่ายประสาทที่ทำให้ตนเองผิดปกติ [arxiv]
• Günter Klambauer, Thomas Unterthiner, Andreas Mayr, Sepp Hochreiter
• 2017-06-08

[อัลกอริทึมการเพิ่มประสิทธิภาพนโยบายใกล้เคียง]

• อัลกอริทึมการเพิ่มประสิทธิภาพนโยบายใกล้เคียง [arxiv]
• John Schulman, Filip Wolski, Prafulla Dhariwal, Alec Radford, Oleg Klimov
• 2017-08-28

[ภาพลึกก่อน]

• ภาพลึกก่อน [arxiv]
• Dmitry Ulyanov, Andrea Vedaldi, Victor Lempitsky
• 2017-11-29

[อัลกอริทึมการเรียนรู้เมตาครั้งแรกลำดับแรก]

• เกี่ยวกับอัลกอริทึมการเรียนรู้เมตาครั้งแรก [arxiv]
• Alex Nichol, Joshua Achiam, John Schulman
• 2018-03-08

[ความน่าจะเป็นของระบบประสาทตามลำดับ]

• ความน่าจะเป็นของระบบประสาทตามลำดับ: การอนุมานอย่างรวดเร็วด้วยการไหลของ autoregressive flow [arxiv]
• George Papamakarios, David C. Sterratt, Iain Murray
• 2018-05-18

[เกี่ยวกับความแปรปรวนของอัตราการเรียนรู้แบบปรับตัวและอื่น ๆ ]

• เกี่ยวกับความแปรปรวนของอัตราการเรียนรู้แบบปรับตัวและเกินกว่า [arxiv]
• Liyuan Liu, Haoming Jiang, Pengcheng HE, Weizhu Chen, Xiaodong Liu, Jianfeng Gao, Jiawei Han
• 2019-08-08

[การเพิ่มประสิทธิภาพ hyperparameters หลายล้านโดยความแตกต่างโดยนัย]

• การเพิ่มประสิทธิภาพ hyperparameters หลายล้านโดยความแตกต่างโดยนัย [PMLR]
• Jonathan Lorraine, Paul Vicol, David Duvenaud
• 2019-10-06

[การเป็นตัวแทนของระบบประสาทโดยนัยพร้อมฟังก์ชั่นการเปิดใช้งานเป็นระยะ]

• การเป็นตัวแทนของระบบประสาทโดยนัยพร้อมฟังก์ชั่นการเปิดใช้งานเป็นระยะ [arxiv]
• Vincent Sitzmann, Julien NP Martel, Alexander W. Bergman, David B. Lindell, Gordon Wetzstein
• 2020-06-17

[คุณสมบัติฟูริเยร์ให้เครือข่ายเรียนรู้ฟังก์ชั่นความถี่สูงในโดเมนมิติต่ำ]

• คุณสมบัติฟูริเยร์ให้เครือข่ายเรียนรู้ฟังก์ชั่นความถี่สูงในโดเมนมิติต่ำ [arxiv]
• Matthew Tancik, Pratul P. Srinivasan, Ben Mildenhall, Sara Fridovich-Keil, Nithin Raghavan, Utkarsh Singhal, Ravi Ramamoorthi, Jonathan T. Barron, Ren ng
• 2020-06-18

[แบบจำลองความน่าจะเป็นของการแพร่กระจาย denoising]

• แบบจำลองความน่าจะเป็นของการแพร่กระจายแบบ denoising [arxiv]
• Jonathan Ho, Ajay Jain, Pieter Abbeel
• 2020-06-19

[MCMC ปลอดความน่าจะเป็นพร้อมตัวประมาณอัตราส่วนโดยประมาณค่าตัดจำหน่าย]

• MCMC ที่ปราศจากความน่าจะเป็นด้วยตัวประมาณอัตราส่วนโดยประมาณค่าตัดจำหน่าย [PMLR]
• Joeri Hermans, Volodimir Begy, Gilles Louppe
• 2020-06-26

[NERF: เป็นตัวแทนของฉากเป็นฟิลด์ความเปล่งปลั่งของระบบประสาทสำหรับการสังเคราะห์มุมมอง]

• Nerf: เป็นตัวแทนของฉากเป็นฟิลด์ความเปล่งปลั่งของระบบประสาทสำหรับการสังเคราะห์มุมมอง [arxiv]
• Ben Mildenhall, Pratul P. Srinivasan, Matthew Tancik, Jonathan T. Barron, Ravi Ramamoorthi, Ren Ng
• 2020-08-03

[เครือข่ายตัวกรองหลายตัว]

• เครือข่ายตัวกรองแบบทวีคูณ [OpenReview]
• Rizal Fathony, Anit Kumar Sahu, Devin Willmott, J Zico Kolter
• 2020-09-28

[เรียนรู้การเริ่มต้นเพื่อเพิ่มประสิทธิภาพการเป็นตัวแทนของระบบประสาทพิกัด]

• เรียนรู้การเริ่มต้นเพื่อเพิ่มประสิทธิภาพการเป็นตัวแทนของระบบประสาท [Arxiv]
• Matthew Tancik, Ben Mildenhall, Terrance Wang, Divi Schmidt, Pratul P. Srinivasan, Jonathan T. Barron, Ren Ng
• 2020-12-03

[Fastnerf: การเรนเดอร์ระบบประสาทที่มีความเที่ยงตรงสูงที่ 200fps]

• Fastnerf: การเรนเดอร์ระบบประสาทที่มีความเที่ยงตรงสูงที่ 200fps [arxiv]
• Stephan J. Garbin, Marek Kowalski, Matthew Johnson, Jamie Shotton, Julien Valentin
• 2021-03-18

[Kilonerf: เร่งความเร็วในการเปล่งประกายของระบบประสาทด้วย MLPs เล็ก ๆ นับพัน]

• Kilonerf: เร่งความเร็วในการเปล่งประกายของระบบประสาทด้วย MLPs เล็ก ๆ นับพัน [arxiv]
• Christian Reiser, Songyou Peng, Yiyi Liao, Andreas Geiger
• 2021-03-25

[Plenoctrees สำหรับการแสดงผลแบบเรียลไทม์ของ Neural Radiance Fields]

• Plenoctrees สำหรับการแสดงผลแบบเรียลไทม์ของ Neural Radiance Fields [arxiv]
• Alex Yu, Ruilong Li, Matthew Tancik, Hao Li, Ren Ng, Angjoo Kanazawa
• 2021-03-25

[Nerf--: ช่องความเปล่งประกายของระบบประสาทโดยไม่ทราบพารามิเตอร์กล้องที่รู้จัก]

• Nerf--: ฟิลด์ Radiance Neural โดยไม่ทราบพารามิเตอร์กล้องที่รู้จัก [Arxiv]
• Zirui Wang, Shangzhe Wu, Weidi Xie, Min Chen, Victor Adrian Prisacariu
• 2021-02-14

[GROMOV-WASSERSTEIN ระยะทางระหว่างการแจกแจงแบบเกาส์เซียน]

• ระยะทาง Gromov-Wasserstein ระหว่างการแจกแจงแบบเกาส์เซียน [arxiv]
• Antoine Salmona, Julie Delon, Agnès Desolneux
• 2021-08-16

[Plenoxels: Radiance Fields โดยไม่มีเครือข่ายประสาท]

• Plenoxels: Radiance Fields โดยไม่มีเครือข่ายประสาท [Arxiv]
• Alex Yu, Sara Fridovich-Keil, Matthew Tancik, Qinhong Chen, Benjamin Recht, Angjoo Kanazawa
• 2021-12-09

[Infonerf: การย่อขนาดของเรย์เอนโทรปีสำหรับการแสดงผลระดับประสาทไม่กี่ครั้ง]

• Infonerf: การย่อขนาดของเรย์เอนโทรปีสำหรับการแสดงผลระดับประสาทไม่กี่ครั้ง [arxiv]
• Mijeong Kim, Seonguk Seo, Bohyung Han
• 2021-12-31

[กราฟิกแบบทันทีด้วยการเข้ารหัสแฮชหลายครั้ง]

• กราฟิกประดูภาพแบบทันทีด้วยการเข้ารหัสแฮชหลายตัว [arxiv]
• Thomas Müller, Alex Evans, Christoph Schied, Alexander Keller
• 2022-01-16

[Flow Straight and Fast: เรียนรู้ที่จะสร้างและถ่ายโอนข้อมูลด้วยการไหลที่แก้ไขแล้ว]

• ไหลตรงและรวดเร็ว: เรียนรู้ที่จะสร้างและถ่ายโอนข้อมูลด้วยการไหลที่แก้ไข [arxiv]
• Xingchao Liu, Chengyue Gong, Qiang Liu
• 2022-09-07

[K-Planes: ฟิลด์ Radiance ที่ชัดเจนในอวกาศเวลาและลักษณะที่ปรากฏ]

• K-Planes: ฟิลด์ Radiance ที่ชัดเจนในอวกาศเวลาและลักษณะที่ปรากฏ [arxiv]
• Sara Fridovich-Keil, Giacomo หมายถึง, Frederik Warburg, Benjamin Recht, Angjoo Kanazawa
• 2023-01-24

[Freenerf: การปรับปรุงการเรนเดอร์ประสาทไม่กี่ครั้งด้วยการทำให้เป็นมาตรฐานความถี่ฟรี]

• Freenerf: การปรับปรุงการเรนเดอร์ประสาทไม่กี่ครั้งด้วยการทำให้เป็นมาตรฐานความถี่ฟรี [arxiv]
• Jiawei Yang, Marco Pavone, Yue Wang
• 2023-03-13